CN112183918B - 一种输电线路在线巡检作业计划的智能生成方法 - Google Patents

Abstract

本发明属于输电线路巡检技术领域，具体的说是涉及一种输电线路在线巡检作业计划的智能生成方法。本发明是围绕输电线路在线巡检作业计划智能生成的领域特点，形成一种以机器学习、规则引擎、优化建模技术实现在线巡检作业计划的自动生成、智能分配作业时间的方法。本发明基于机器学习、多规则引擎自动生成巡视需求清单，解决了依赖于工作人员手工下达巡视需求的繁琐、低效问题；采用0‑1整数规划建模技术，以是否将某任务分配到某天执行为决策变量、任务的整体成功概率最大为目标，实现了制定在线巡视计划的最优化、智能化。

Description

一种输电线路在线巡检作业计划的智能生成方法

技术领域

本发明属于输电线路巡检技术领域，具体的说是涉及一种输电线路在线巡检作业计划的智能生成方法。

背景技术

输电通道安全是影响供电安全的根本，但输电通道通常位于原始森林、无人区等复杂环境下，因此对输电通道的巡检是相关部门的重难点工作之一。传统模式下，对输电通道的巡视主要以人工巡视、定期的直升机巡视等方式进行，存在难度大、成本高、效率低等问题。而随着物联网技术、网络通信技术、大数据技术的快速发展，以及国家电网关于泛在电力物联网的提出，通过输电线路上传感器、在线监测设备实现对输电线路远程巡视的方式得到不断应用。

因为在线巡视作业的核心是利用分布在输电塔基上的巡视设备完成巡视作业，因此在线巡视面临着作业数量多、网络通道占用等问题，所以作业的调度和计划生成也更加困难。目前，在线巡视计划的生成的方式主要是相关管理人员依据业务规范和个人经验在巡检作业平台上手动生成，但这种方法存在着操作复杂、繁琐、低效的问题，影响着在线巡视作业的整体智能化程度和巡视效率。随着大数据、人工智能等技术的推广应用，以数据驱动生产和决策的先进方法在商业、工业生产等领域得到了大力的应用。

一方面，通过时空机器学习技术、人工智能技术对输电通道山火发生风险的提前预警等方案已有相关文献报道，但通过一种有效的方法将各种风险预测感知结果与输电通道具体业务相结合尚需解决。

另一方面，优化建模技术被广泛应用于解决诸如银行、医院排队，以及工厂的生产、客户中心的客服排班、公交车辆的调度等相关领域。这些方法通常以整数规划、混合规划等技术解决某一具体场景下的最优化计划生成或排班调度问题，显示了较大的实用性。与此同时，其它研究或实践，与输电线在线巡检智能排班所面临的具体场景、约束和目标的建立有较大差异，因此需要结合在线巡检的业务特点进一步对其中的方法进行研究和设计。

发明内容

本发明的目的是针对上述问题，提出一种输电线路在线巡检作业计划的智能生成方法

为实现上述目的，本发明采用如下技术方案：

一种输电线路在线巡检作业计划的智能生成方法，包括以下步骤：

S1、

生成巡检作业需求清单D_i，其中，i代表第i个作业需求，定义D_i的属性包括需求编号id_i、需求的最早启动时间st_i、需求的最晚完成时间et_i、巡视对象tar get_i、线路编号line_i、巡视设备device_i、塔基经纬度

D_i的生成方法为：/>

常规巡视作业需求：根据设定的输电线路在线巡检业务规则，通过周期性定时触发的方式，生成巡检作业需求清单；

临时巡视作业需求：通过外接输电线路风险预警系统，根据输电线路风险预警系统对输电线路的预警结果，在设定的时间范围内预警结果超过预设的阈值后，生成巡检作业需求清单；

S2、生成巡检作业计划，具体方法为：

S21、根据D_i的属性，获取全部巡检作业的时间范围range_time：

range_time＝[min({st₁，st₂，…，st_m})，max({et₁，et₂，…，et_m})]

对应的日期序列记为：seq_date＝{d₁，d₂，…，d_n}，参数d表示日期；

S22、当n＝1时，则生成作业-日期矩阵

其中m为步骤S1中生成的巡检作业需求清单D_i的总数，即i＝1，2，…，m，n为作业执行的日期数，进入步骤S26；否则进入步骤S23；

S23、匹配关联的基础数据：依据D_i的塔基经纬度

匹配未来n天的天气预报数据，所述天气预报数据包括白天/夜晚天气类型、最高/最低气温、最大风速；依据D_i的巡视设备device_i数据匹配设备最近的作业成功概率、失败类型数据；

S24、对巡视作业i，生成作业执行成功的概率矩阵M_i×n：

S241、根据[st_i，et_i]生成对应的日期序列

S242、若

则M_i，j＝-1，进入步骤S244；否则进入步骤S243；

S243、以步骤S23匹配关联的基础数据为依据，获取作业执行成功的概率值，具体为：采用深度学习的方法，以配关联的基础数据为输入，以D_i在d_j上执行成功的概率

为输出建立预测模型，通过对预测模型训练后，采用预测模型预测D_i在d_j上执行成功的概率

并令/>

或者，以配关联的基础数据为条件，根据设定的业务规则引擎生成概率值/>

并令/>

S244、依次遍历D_i，获得概率矩阵M_m×n；

S25、以M_m×n为基础建立规划模型，具体为：

S251、以是否将作业D_i分配到d_j执行为决策变量，记为v_i，j，当v_i，j＝1表示D_i分配到d_j执行，否则表示D_i不在d_j执行；所有作业的决策变量矩阵记为V_m×n；

S252、以整体作业成功概率最大为目标，建立目标函数：

其中，p_i，j为概率矩阵M_m×n中的元素，并设定目标函数约束条件为：v_i，j∈{0，1}，

/>

S253、对建立的目标函数采用隐枚举法进行求解，得到结果作业-日期矩阵P_m×n，其中P_m×n中元素p_i，j∈{0，1}；

S26、依据P_m×n生成巡检作业计划，对每一个作业需求D_i，若p_i，j＝1则D_i在d_j日期执行。

本发明的有益效果为：

本发明基于机器学习、多规则引擎自动生成巡视需求清单，解决了依赖于工作人员手工下达巡视需求的繁琐、低效问题；本发明采用0-1整数规划建模技术，以是否将某任务分配到某天执行为决策变量、任务的整体成功概率最大为目标，实现了制定在线巡视计划的最优化、智能化。

具体实施方式

下面对本发明进行进一步详细说明。

本发明围绕输电线路在线巡检作业计划智能生成的领域特点，形成一种以机器学习、规则引擎、优化建模技术实现在线巡检作业计划的自动生成、智能分配作业时间的方法；具体方法包括：

一、输电线路在线巡视作业需求自动生成

巡视作业需求的自动生成主要采用数据驱动的模式自动生成高压线路需要巡视的作业需求清D_i。其中，i代表第i个作业需求。

D_i需求类型常规巡视、临时巡视等。D_i的属性包括需求编号id_i、需求的最早启动时间st_i(如2018-09-01 08:00:00)、需求的最晚完成时间et_i(如2018-09-07 19:00:00)、巡视对象tar get_i、线路编号line_i、巡视设备device_i、塔基经纬度

等。

1.常规巡视作业需求的自动生成

常规巡视主要是依据输电线路的在线巡视业务规范标准以周为时间单位对输电线路进行巡视作业。生成常规巡视作业清单的基本步骤是：

A.通过规则引擎对被巡视对象的常规巡视规则进行定义、管理和维护

B.系统通过周期性定时触发的方式生成完整作业需求清单及相关属性信息。

2.临时巡视作业需求的自动生成

临时巡视作业需求主要根据大数据、人工智能技术对线路风险进行预测的结果，生成相应的巡视作业，用以监控风险事件是否发生。

临时巡视作业生成的主要方法是与输电线路的山火、覆冰等风险预测机器学习系统相结合，生成巡视需求。具体地，利用这些机器学习应用系统对输电线路未来风险事件(山火/覆冰等)发生风险等级的预警结果，当在某个时间范围内风险(山火/覆冰等)达到一定等级后，根据业务规则生成相应时间、空间区域中巡视作业需求及属性信息。

二、输电线路在线巡视作业需求计划智能生成

通过机器学习应用系统、规则引擎等技术周期或触发生成作业需求清单D_i(m∈N，i≤m)后，确定了在某个时间范围内[st_i，et_i]需要完成的巡视任务清单。但[st_i，et_i]往往是一个跨越多天

的时间段，作业的执行日期计划尚未明确。在本发明中，采用0-1整数规划技术完成巡视作业的计划生成。具体步骤如下。/>

1.生成作业在某天执行成功的概率矩阵M_m×n

1-1)、时间范围的日期序列生成

根据所有巡视作业需求的时间范围生成可安排任务的日期。其中，全部巡视作业所在的时间范围为：

range_time＝[min({st₁，st₂，…，st_m})，max({et₁，et₂，…，et_m})] (公式1)

对应的日期序列记为：seq_date＝{d₁，d₂，…，d_n}。

1-2)、当n＝1时，则

转入4；否则转入1-3)。

1-3)、当n＞1时，匹配关联的基础数据

依据D_i的位置数据

匹配1未来n天的白天/夜晚天气类型、最高/最低气温、最大风速等天气预报数据；依据D_i的巡视设备device_i数据匹配设备最近的作业成功概率、失败类型等数据。

1-4)、对巡视作业i，填充生成M_i×n

A.依据[st_i，et_i]生成对应的日期序列

B.若

则M_i，j＝-1；否则采用C步骤计算生成概率值。

C.作业巡检结果状态预测模型pred_model训练。若pred_model不存在且训练样本数据有效，则构建并训练pred_model。

D.若pred_model存在，则以1.3获取的相关数据作为特征输入，采用pred_model预测D_i在d_j上执行成功的概率

且/>

若不存在，则以1.3的提取的特征数据作为条件，根据业务规则引擎生成概率值/>

且/>

E.依次执行遍历完成所有作业清单。

2. 0-1整数规划模型构建

以M_m×n为基础构建巡视作业日期计划生成的0-1整数规划模型。

2-1)、决策变量构建

以是否将作业D_i分配到d_j执行为决策变量，记为v_i，j，当v_i，j＝1说明D_i分配到d_j执行，否则表示D_i不在d_j执行。所有作业的决策变量矩阵记为V_m×n。

2-2)、目标函数计算

规划模型以整体作业成功概率最大为目标，因此目标函数的计算为：

其中，v_i，j∈{0，1}。

2-3)、约束条件生成

约束条件主要来自于对模型本身的边界界定，以及对计划生成的业务约束需要，主要包括以下约束。

A.决策变量的逻辑变量约束，即v_i，j∈{0，1}约束

B.任务只能执行一次约束，即

/>

C.基于业务要求的约束，如作业在日期分配上的均衡性约束、作业D_i必须(不)在某个日期上执行等。

2-4)、模型生成

根据2-1)、2-2)、2-3)生成了用于作业计划生成的0-1整数规划模型。

3. 0-1整数规划模型求解

对2中构建的规划模型采用隐枚举法进行求解，得到结果P_m×n。其中P_m×n中元素p_i，j∈{0，1}。

4.输电线路在线巡视作业计划生成

依据P_m×n生成在线巡视作业计划，对每一个作业需求D_i，若p_i，j＝1则D_i在d_j日期执行。

Claims (1)

1.一种输电线路在线巡检作业计划的智能生成方法，其特征在于，包括以下步骤：

S1、生成巡检作业需求清单D_i，其中，i代表第i个作业需求，定义D_i的属性包括需求编号id_i、需求的最早启动时间st_i、需求的最晚完成时间et_i、巡视对象target_i、线路编号line_i、巡视设备device_i、塔基经纬度

D_i的生成方法为：

常规巡视作业需求：根据设定的输电线路在线巡检业务规则，通过周期性定时触发的方式，生成巡检作业需求清单；

临时巡视作业需求：通过外接输电线路风险预警系统，根据输电线路风险预警系统对输电线路的预警结果，在设定的时间范围内预警结果超过预设的阈值后，生成巡检作业需求清单；

S2、生成巡检作业计划，具体方法为：

S21、根据D_i的属性，获取全部巡检作业的时间范围range_time：

range_time＝[min({st₁，st₂，…，st_m})，max({et₁，et₂，…，et_m})]

对应的日期序列记为：seq_date＝{d₁，d₂，…，d_n}，参数d表示日期；

S22、当n＝1时，则生成作业-日期矩阵

其中m为步骤S1中生成的巡检作业需求清单D_i的总数，即i＝1，2，…，m，n为作业执行的日期数，进入步骤S26；否则进入步骤S23；

S23、匹配关联的基础数据：依据D_i的塔基经纬度

匹配未来n天的天气预报数据，所述天气预报数据包括白天/夜晚天气类型、最高/最低气温、最大风速；依据D_i的巡视设备device_i数据匹配设备最近的作业成功概率、失败类型数据；

S24、对巡视作业i,生成作业执行成功的概率矩阵M_i×n：

S241、根据[st_i，et_i]生成对应的日期序列

S242、若

则M_i，j＝-1，进入步骤S244；否则进入步骤S243；

S243、以步骤S23匹配关联的基础数据为依据，获取作业执行成功的概率值，具体为：以配关联的基础数据为输入，以D_i在d_j上执行成功的概率

为输出建立预测模型，通过对预测模型训练后，采用预测模型预测D_i在d_j上执行成功的概率/>

并令/>

或者，以配关联的基础数据为条件，根据业务规则引擎生成概率值/>

并令/>

S244、依次遍历D_i，获得概率矩阵M_m×n；

S25、以M_m×n为基础建立规划模型，具体为：

S251、以是否将作业D_i分配到d_j执行为决策变量，记为v_i，j，当v_i，j＝1表示D_i分配到d_j执行，否则表示D_i不在d_j执行；所有作业的决策变量矩阵记为V_m×n；

S252、以整体作业成功概率最大为目标，建立目标函数：

其中，p_i，j为概率矩阵M_m×n中的元素，并设定目标函数约束条件为：v_i，j∈{0，1}，

S253、对建立的目标函数采用隐枚举法进行求解，得到结果作业-日期矩阵P_m×n，其中P_m×n中元素p_i，j∈{0，1}；

S26、依据P_m×n生成巡检作业计划，对每一个作业需求D_i，若p_i，j＝1则D_i在d_j日期执行。